主要科研成果

鄢伟超，男，哈尔滨工业大学博士毕业；澳大利亚斯威本科技大学联合培养博士；哈工大2018年博士研究生国家奖学金获得者；南昌大学空间科学与技术研究院助理研究员，邓晓华副校长团队骨干成员；硕士研究生导师；南昌大学首届香樟育才入选者，人工智能实验班导师。 近年来先后在Opt. Express, Opt. Lett.，APL Photonics等物理光学主流国际学术期刊上以第一作者身份发表SCI论文8篇；目前主持国家自然青年科学基金一项。

主要研究兴趣：

（1） 全光机器学习-光学衍射神经网络目标物体的识别与探测

（2） 矢量光场与涡旋光场的产生、传输和聚焦，特别是时空横向角动量传输，紧聚焦

（3） 超分辨成像与超分辨全光磁存储，特别是光学斯格明子，磁斯格明子产生、移动和湮灭的操控

（4） 人工智能与光场调控，利用深度学习算法智能设计聚焦场结构及其在磁性材料诱导的功能性磁化

（5） 人工智能与光学成像，利用深度学习算法实现更快、更深、更高分辨率的光学生物成像

* Email: yanweichao@ncu.edu.cn

以第一作者身份在光学专业期刊发表二区以上文章6篇

1. W. Yan, Z. Nie, X. Liu, X. Zhang, Y. Wang and Y. Song, “Creation of isotropic super-resolved magnetization with steerable polarization orientation,” APL Photonics. 3(11), 116101(2018). (第一作者/SCI一区/5.672)

2. W. Yan, S. Lin, H. Lin, Y. Shun, Z. Nie, B. Jia and X. Deng, “Dynamic control of magnetization spot arrays with three-dimensional orientations,” Opt. Express 29(2), 961-973 (2021) (第一作者/SCI一区/IF=3.894)

3.  W. Yan, Z. Nie, X. Zeng, G. Dai, M. Cai, Y. Shen and X. Deng, “Machine-learning-enabled vectorial opto-magnetization orientation,” accepted by Annalen der Physik, (2021) (第一作者/SCI二区/2.983)

4. W. Yan, Z. Nie, X. Liu, X. Zhang, Y. Wang and Y. Song, “Arbitrarily spin-orientated and super-resolved focal spot,” Optics Letters. 43(16), 32826-32829 (2018). (第一作者/SCI一区/IF=3.894)

5. W. Yan, Z. Nie, X. Liu, X. Zhang, Y. Wang and Y. Song, “Dynamic control of transverse magnetization spot arrays,” Optics Express. 26(13), 16824-16835 (2018). (第一作者/SCI一区/IF=3.776)

6. W. Yan, Z. Nie, X. Zhang, Y. Wang and Y. Song, “Theoretical guideline for generation of an ultralong magnetization needle and a super-long conveyed spherical magnetization chain,” Optics Express. 25(19), 22268-22279 (2017). (第一作者/SCI一区/IF=3.894)

获得的荣誉：

2018年哈尔滨工业大学博士国家奖学金，南昌大学首届香樟育才获得者，第七届全国互联网+创新创业大赛本科生创意组校级优秀二等奖（第二指导老师）

在研基金项目简介

飞秒矢量光场调控实现超快超高密度全光磁存储的研究（国家自然科学青年基金项目）

简介：大数据时代的需求加速了存储技术的发展。光存储和光磁存储技术作为当前最主要的信息存储方式，由于具有超快存储速度、高密度和节能的独特优势，显著地改变了信息社会的发展。 光存储和光磁存储技术的核心问题是设计出功能性光聚焦场及其诱导的光磁结构。然而，当前的方法大多采用主动直接的调制方式，需要反复地优化入射光的振幅、相位和偏振参数，一定程度上限制了存储技术的广泛应用。基于大数据的人工智能深度学习技术已经作为当今广泛使用的研究工具，在材料、结构和相关物理特性设计方面展现了高效率、快速、灵活的显著特点。本项目以设计功能性光聚焦场和光磁结构为主要目的，设计各种各样的深度学习框架和物理模型，探究深度学习框架对学习训练精度和速度的提高，从而更好地逆向设计入射光的相关调制参数。具体内容主要包括：深度学习智能设计功能性聚焦场分布；深度学习智能设计功能性光磁结构。